面向大數(shù)據(jù)的信息獲取和整合分析已成為工業(yè)4.0時代制造企業(yè)的必修課。越來越多的企業(yè)正在選擇通過利用無數(shù)相互連接的數(shù)據(jù)庫系統(tǒng)的支持，來獲取越來越大量的數(shù)據(jù)，然后與企業(yè)的物流銷售等系統(tǒng)融合分析，優(yōu)化業(yè)務發(fā)展。

然而對于制造業(yè)來說，大數(shù)據(jù)并非從天而降。事實上，自上世紀80年代制造業(yè)已經(jīng)開始依靠歷史數(shù)據(jù)庫來管理大量相關的制造業(yè)務數(shù)據(jù)了。

洞察力從大數(shù)據(jù)開始

曾經(jīng)制造業(yè)的歷史數(shù)據(jù)庫關注的焦點在于通過專門的軟件應用程序對相關數(shù)據(jù)進行有效地收集、存儲、檢索、按照時間序列顯示和優(yōu)化。歷史數(shù)據(jù)庫是含有一個以測點名稱字段和時間字段為關鍵字的一張表，這張表的另外的一個重要的字段就是數(shù)值字段，用來存儲測點的采集值，除了這些字段，還可以包含數(shù)據(jù)的狀態(tài)，數(shù)據(jù)質(zhì)量字段等。隨著時間的變化，不斷地將實時數(shù)據(jù)庫中的實時數(shù)據(jù)進行壓縮過濾，并更新磁盤歷史數(shù)據(jù)文件中的表里的數(shù)據(jù)。用戶可從此數(shù)據(jù)庫中查詢生產(chǎn)實時數(shù)據(jù)的歷史樣本值或歷史插值數(shù)據(jù)。

工程師、操作人員、管理人員都可以通過歷史數(shù)據(jù)庫來查看趨勢變化，可以實現(xiàn)近實時關鍵指標（KPI ） 的跟蹤，并能與實現(xiàn)性能的比較。通過歷史數(shù)據(jù)庫，相關人員還可對設備故障做出預診斷，提前發(fā)現(xiàn)潛在問題。

正是由于準確有效的歷史數(shù)據(jù)一直以來對工作持續(xù)的改進作用，從而，使得在制造業(yè)中，到現(xiàn)在還是有著豐富多樣的自動化系統(tǒng)歷史數(shù)據(jù)庫解決方案。歷史數(shù)據(jù)庫解決方案的容量和吞吐量是非常容易辨識的標志，但，其解決方案的真正差異其實是聚焦在數(shù)據(jù)公開、方便的收集與分析方面，如果從多個分布源甚至包括不可靠的網(wǎng)絡連接環(huán)境下，可靠有效的獲取數(shù)據(jù)才是歷史數(shù)據(jù)庫解決方案的核心所在。

工業(yè)數(shù)據(jù)關注的焦點

雖然每個歷史數(shù)據(jù)庫中都包含某個核心的數(shù)據(jù)庫，但真正使數(shù)據(jù)庫成為發(fā)揮作用的應用軟件程序，則是需要使數(shù)據(jù)成為優(yōu)化的時間序列數(shù)據(jù)，即，溫度、壓力、流速等相關監(jiān)測數(shù)據(jù)之間具有相關聯(lián)的時間戳和參數(shù)，處理后的數(shù)據(jù)也被稱為TVQ（時間、數(shù)值和屬性）。同時，需要依據(jù)系統(tǒng)情況確認數(shù)據(jù)收集的頻率，比如是每毫秒或一小時收集一次。通過時間戳將數(shù)據(jù)做分類，建立分類的數(shù)據(jù)庫，以便更有效率的存儲更大量的數(shù)據(jù)，以便更快速、輕松、更通用的完成對數(shù)據(jù)的檢索。

關系數(shù)據(jù)庫，是指采用了關系模型來組織數(shù)據(jù)的數(shù)據(jù)庫。關系模型是在1970年由IBM首先提出，在之后的幾十年中，關系模型的概念得到了充分的發(fā)展并逐漸成為數(shù)據(jù)庫架構的主流模型。簡單來說，關系模型指的就是二維表格模型，而一個關系型數(shù)據(jù)庫就是由二維表及其之間的聯(lián)系組成的一個數(shù)據(jù)組織。

關系型數(shù)據(jù)庫有著以下特點：1、容易理解：二維表結構是非常貼近邏輯世界的一個概念，關系模型相對網(wǎng)狀、層次等其他模型來說更容易理解。2、使用方便：通用的SQL語言使得操作關系型數(shù)據(jù)庫非常方便，程序員甚至于數(shù)據(jù)管理員可以方便地在邏輯層面操作數(shù)據(jù)庫，而完全不必理解其底層實現(xiàn)。3、易于維護：豐富的完整性（實體完整性、參照完整性和用戶定義的完整性）大大降低了數(shù)據(jù)冗余和數(shù)據(jù)不一致的概率。

目前，關系數(shù)據(jù)庫廣泛應用于各個行業(yè)，是構建管理信息系統(tǒng)，存儲及處理關系數(shù)據(jù)的不可缺少基礎軟件，如ERP，MIS，EAM等系統(tǒng)。關系數(shù)據(jù)庫也是用于分析數(shù)據(jù)之間的復雜關系的強大工具。但并不適合記錄大量的高速運行的數(shù)據(jù)。幸運的是，結構化查詢語言（SQL）的出現(xiàn) ，使得關系數(shù)據(jù)庫擁有了更強大的能力和手段，很容易適應其他類型的數(shù)據(jù)庫，包括非關系型數(shù)據(jù)庫。此數(shù)據(jù)庫結構主要用于快速存儲和檢索數(shù)據(jù)，數(shù)以百萬計數(shù)據(jù)可以被批量處理。這也意味著，可以將數(shù)據(jù)備份到應用上，如趨勢分析或快速處理包。與關系數(shù)據(jù)庫的對比，實時歷史數(shù)據(jù)庫可以記錄，包括變量名、數(shù)值、屬性和時間戳等文件。

雖然數(shù)據(jù)存儲越來越便宜了，但是，每年好幾個TB的關系數(shù)據(jù)仍然是數(shù)據(jù)管理的一大難題。為了盡可能的保留實際數(shù)據(jù)的細節(jié)，同時又能節(jié)省內(nèi)存，通過采用50:1的“低損失”壓縮算法。 

數(shù)據(jù)的完整性

數(shù)據(jù)的完整性一直是保證歷史數(shù)據(jù)庫實際應用價值的關鍵。如果用戶不能相信的數(shù)據(jù)是準確和完整，歷史數(shù)據(jù)庫永遠不能發(fā)揮它的能力成為實際工作改進的推動者。

歷史數(shù)據(jù)庫中的數(shù)據(jù)可能是來自一個冗余的光纖網(wǎng)絡連接成為單一的分布式控制系統(tǒng)（DCS），這種情況下，數(shù)據(jù)庫的架構相對簡單。但數(shù)據(jù)庫中的數(shù)據(jù)的來源也可能是地理上分散的衛(wèi)星或無線網(wǎng)絡，如油田數(shù)據(jù)庫，這種情況下，數(shù)據(jù)庫不僅是分布式，同時，必須還是容錯。

越來越復雜的數(shù)據(jù)來源與網(wǎng)絡情況，使得對分布式數(shù)據(jù)庫提出了越來越高的要求，如果網(wǎng)絡連接由于某種原因突然中斷，則系統(tǒng)要及時啟用本地歷史數(shù)據(jù)庫繼續(xù)進行存儲，直到網(wǎng)絡連接恢復，并及時將本地存儲的數(shù)據(jù)及時轉發(fā)到系統(tǒng)終端。這樣才能保證即使是網(wǎng)絡可靠性參差不齊的情況，系統(tǒng)也能正常運行。最近，這種需求，導致了人們在歷史數(shù)據(jù)庫中引入了“家電”概念，旨在實現(xiàn)“開箱即用”式的數(shù)據(jù)采集、無線存儲和轉發(fā)功能，并以較低的價格實現(xiàn)定制化的解決方案。

分布式歷史數(shù)據(jù)庫是幫助解決從工廠車間操作人員的企業(yè)決策者各層次的管理者不同的需求。歷史數(shù)據(jù)庫不僅可以提供設備實時操作情況以及趨勢的關鍵績效指標，甚至可以反映設備或者工廠層面的綜合性能。

數(shù)據(jù)是決策的基礎

數(shù)據(jù)的準確性完整性至關重要，但是，數(shù)據(jù)庫的可訪問性也同樣非常重要。畢竟歷史數(shù)據(jù)庫的作用是希望能更容易的為各層級人員提供決策的參考。

優(yōu)秀的歷史數(shù)據(jù)庫不僅要能支持數(shù)據(jù)源收集來的數(shù)據(jù)以及行業(yè)標準協(xié)議，如OPC，同時，還需要能充分利用行業(yè)標準進行多系統(tǒng)的整合，如計劃系統(tǒng)、質(zhì)量管理系統(tǒng)、狀態(tài)監(jiān)測系統(tǒng)等等。而且，用戶還希望數(shù)據(jù)庫能夠提供可選擇的可視化趨勢分析報告。并且，能提供多種標準接口支持瀏覽器、移動設備等的數(shù)據(jù)顯示、操作。簡單的CSV和Excel數(shù)據(jù)文件格式也應該是數(shù)據(jù)庫能顯示、操作的一部分。

數(shù)據(jù)能在分布于不同地方、不同類型的設備上顯示和運行，為歷史數(shù)據(jù)庫的發(fā)展打開了新的大門。及時的信息反饋、與及時的數(shù)據(jù)處理，為生產(chǎn)過程中更快的識別發(fā)展趨勢，更準確的找到事故原因，更精確的制定改進策略，成為了可能。

利用大數(shù)據(jù)的四條軍規(guī)

大數(shù)據(jù)是信息技術的重要概念。很多企業(yè)正在搜集大數(shù)據(jù)并使用復雜的分析工具對其進行分析，以期發(fā)現(xiàn)隱藏的規(guī)律和關聯(lián)。如果生產(chǎn)制造系統(tǒng)發(fā)生重大變更的時候也能夠自動識別并找到最佳的作業(yè)條件，例如設備發(fā)生故障、原材料特性發(fā)生變化或者能源和人力成本發(fā)生變化，那么是不是很棒呢？這就是生產(chǎn)制造領域內(nèi)大數(shù)據(jù)的存在意義，也是為什么很多生產(chǎn)制造企業(yè)正在針對其生產(chǎn)設施開展大數(shù)據(jù)項目。

實施大數(shù)據(jù)，制造企業(yè)應牢記四條軍規(guī)

1.數(shù)據(jù)不能脫離實際 將MES與歷史數(shù)據(jù)庫關聯(lián)

首先需要說明的是，脫離實際環(huán)境的數(shù)據(jù)的作用將會大打折扣。在生產(chǎn)制造領域，所謂的實際環(huán)境可以用工作任務或者執(zhí)行步驟來提供。每一段數(shù)據(jù)必須與正在執(zhí)行的任務或者正在生產(chǎn)的產(chǎn)品本身相關聯(lián)，并且與任務的特性相聯(lián)系。這個環(huán)境可以用于任務與任務之間的對比，用來檢測顯著差異。使用生產(chǎn)制造大數(shù)據(jù)的第一步就是搜集環(huán)境或者事件信息，然后這些信息與工廠的歷史數(shù)據(jù)相關聯(lián)。幸運的是，主要的工廠歷史數(shù)據(jù)備份工具供應商都提供了事件和環(huán)境插件，可以將MES流程或者執(zhí)行系統(tǒng)的作業(yè)步驟與歷史數(shù)據(jù)相關聯(lián)。

2.周期性備份歷史數(shù)據(jù) 分析優(yōu)化 

第二個需要考慮的因素是，雖然在線歷史數(shù)據(jù)是一個保存數(shù)據(jù)的很棒的工具，但是對于分析數(shù)據(jù)卻有點束手無策。一種好方法是使用離線備份或者數(shù)據(jù)庫用于分析。大多數(shù)工廠的歷史數(shù)據(jù)庫對存取數(shù)據(jù)都進行了優(yōu)化，當需要為大數(shù)據(jù)分析從正在運行的在線系統(tǒng)提取大量數(shù)據(jù)時，往往需要花費很多時間。更好的策略是將歷史數(shù)據(jù)周期性地備份到離線系統(tǒng)中，或者將數(shù)據(jù)固化到數(shù)據(jù)庫，以便用于大數(shù)據(jù)的優(yōu)化分析。

3．重視數(shù)據(jù)樣本 科學分析

第三個需要牢記的因素是你必須選擇正確的數(shù)據(jù)樣本。為了具有說服力，確保樣本容量足夠大，這樣才能夠足以發(fā)現(xiàn)內(nèi)在關系和因果關系。較小的樣本容量有可能得到并不正確的內(nèi)在關系，使你南轅北轍。還有很重要的一點就是不要將內(nèi)在關系和因果關系混淆起來，因為具有內(nèi)在關系的事物不一定具有因果關系。數(shù)據(jù)分析可以發(fā)現(xiàn)內(nèi)在關系，但是如果想要明確事物之間是否存在因果關系則還需要很多工作。大數(shù)據(jù)分析項目必須引入工程師或者科學家，確保使用工程分析手段能夠得到真實的因果關系，這樣一來數(shù)據(jù)才發(fā)揮了最大價值。

4.結合工程師的知識經(jīng)驗

最后一個需要牢記的因素是在有些情況下靠人員來發(fā)現(xiàn)規(guī)律比靠系統(tǒng)自動完成更加靠譜。你可以指派人員對數(shù)據(jù)庫進行查詢并發(fā)現(xiàn)某些規(guī)律。有經(jīng)驗的操作人員通常對生產(chǎn)系統(tǒng)和相互之間的關系有較深入的認知，他們能夠發(fā)現(xiàn)一些被隱藏或不明顯的內(nèi)在關系。